技術的バッチ効果の補正

R での limma を用いた Differential Expression 解析

John Blischak

Instructor

技術的バッチ効果とは？

実験の各バッチにはわずかな差異がある
関心変数をバッチ間で均等に配置する必要がある
適切に均等化すれば、バッチ効果を除去できる

技術的バッチ効果の診断

次元削減手法:
- 主成分分析（PCA）
- 多次元尺度法（MDS）
データセット内の最大変動源を特定する
最大変動源は関心変数と相関しているか、技術的バッチ効果か？

plotMDS

library(limma)
plotMDS(eset, labels = pData(eset)[, "time"], 
        gene.selection = "common")

removeBatchEffect

exprs(eset) <- removeBatchEffect(eset, 
                  batch = pData(eset)[,"batch"],
                  covariates = pData(eset)[,"rin"])

plotMDS(eset, labels = pData(eset)[, "time"], 
        gene.selection = "common")

嗅覚幹細胞

7処理、4バッチ
- Bioconductorパッケージ: HarmanData、Harman
- Osmond-McLeod et al. 2013, Oytam et al. 2016

table(pData(eset))

         batch
treatment b1 b2 b3 b4
       t1  1  1  1  1
       t2  1  1  1  1
       t3  1  1  1  1
       t4  1  1  1  1
       t5  1  1  1  1
       t6  1  1  1  1
       t7  1  1  1  1

さあ、練習しましょう！

R での limma を用いた Differential Expression 解析